摘要：运用人工智能领域最新的基于结构风险最小化原理的机器学习算法——支持向量机(SVM)算法,采用线性Linear 和径向基函数 RBF 两种核函数以及ε 不敏感和 Quadratic 两种损失函数,并且考虑惩罚参数 C 的不同,编写了相应的程序对影响边坡角设计的诸多因素进行了机器学习,经过反复调整相关参数和计算对比,找到了拟合精度很高的支持向量机网络,并以此网络对测试样本作预测检验模型的可靠性;对影响支持向量机建模精度的各种影响因素作了计算和分析,在此基础上,初步确定了各参数对 SVM 模型精度影响大小的顺序,为 SVM 在类似工程上的应用提供了借鉴。

摘要：将一种机器学习算法——支持向量机引入到软岩工程支护设计领域,并根据问题需要提出了一种支持向量机回归算法且编制了相应的计算程序.工程算例证明,这种算法在学习样本数量很少的情况下就可以得到很高的预测精度,且具有推广性能好的优点,避免了人工神经元由于存在过学习问题而带来的网络参数难以确定的弊病,为类似工程的支护设计提供了一种新的途径.

摘要：工程智能 CAD是提高工程设计质量的有效途径。目前 ,从原型到工程设计初始解的生成算法一直是限制工程 CAD高智能化的一个瓶颈。从工程设计中参数之间的相互关联的特性出发 。

摘要：从隧道设计要素出发,利用OpenGL中基本造型、光照模型、消除隐藏面、纹理映射等技术,进行隧道仿真设计的应用研究,并在微机上得以实现,应用于工程实践。

摘要：大跨连拱隧道受结构和跨度的影响 ,其初期支护与二次衬砌各自承受不同的围岩压力。通过计算分析 ,二次衬砌所受荷载比初期支护大得多 ,而且在初期支护与二次衬砌间存在不均匀压力 ,二次衬砌是主要承载结构 。

摘要：分析高速铁路路基各种压实检测方法产生的背景及原理 。